※ 引述《cc9i (正直与善良)》之铭言：
: https://vision.udn.com/vision/story/12379/3275582
: udn / 愿景工程 / AI时代 / AI时代就是现在
: 教育部：5年内 半数大学生需修过程式设计
: 2018-07-27 14:34:27联合晚报 记者张锦弘、陈宛茜／台北报导
: 美国很多上市公司主管是来自以色列的犹太人，电机电子工程师学会（IEEE）调查发现，
: 其共通特点是高中都修过程式设计，进大学后不论读什么学系，都很容易在数位时代新创
: 公司找到生机。
: 教育部次长姚立德引述IEEE的调查指出，早在20年前，AI人工智能还没全面发展时，以色
: 列就把程式设计列高中必修科目，培育出来的人才，不只在以色列，也在美国开花结果。
: 看准程式设计是AI时代必备能力，姚立德指出，教育部不但在十二年国新课纲中增列科技
: 领域，将程式设计等资讯科技列国、高中必修课程，更在高教深耕计画单独列一指标，要
: 求大学不分学系，五年内至少半数学生毕业前修过程式设计，为人工智能做准备。
: 当过台北科大校长的姚立德也是电机系教授。他说，未来10到15年内，大量、重复性的工
: 作，都可能慢慢被AI取代，但需创意、提供个人性与技术性服务的工作仍会留存，例如设
: 计师、研发工程师、美容师、水电冷气工等。若各科系学生都有程式设计能力及AI基本素
: 养，就能找到创新创业机会。
: 不过，不同领域的学生，要学的程式设计内容也不同，姚立德说，教育部责成资科司规画
: 不同科系要教什么，并请有经验的学校提出“AI课程地图”，希望大学部每年培养1500名
: AI人才。
: 明年起国、高中生要逐年实施新的资讯科技课，外界忧心师资不足，教育部国教署长邱干
: 国说，目前高中资讯科技已是必修，师资不成问题；国中是新领域，师资质量“需要努力
: ”。教育部两年前开办现有资讯教师增能学分班，及加修资讯的第二专长学分班，也引进
: 资讯界业师，新课纲上路第一年师资应足够。
: 至于偏乡科技师资不足，邱干国表示，除了让36班以下的国中增加一到两名的老师编制，
: 各校也可透过“合聘”巡回教师或访问教师补充人力。
: 台湾中学教育长期升学挂帅，不少高中因为升学不考资讯课，将课程“借课”改上英文、
: 数学等升学考科。邱干国说，教育部将要求各县市教育局，把资讯科技课列为正常教学访
: 视重点项目；大学招联会也决议，自111学年度起，大学繁星推荐可采计生活及资讯科技
: 学业成绩，列为分发比序项目，将有助学校重视资讯课。
: 新课纲审查进度延宕，恐影响教科书编书时间与品质。邱干国说，将让教科书编审更有弹
: 性，例如书商可分册、分时送审，不必全部编完才送审。
: https://vision.udn.com/vision/story/12379/3275582
先讲结论，国高中要求英文单字量到多少，实际上有办法用到那个等级的年轻人又有多少？
最多就是店家老板看到外国观光客还知道回答How much 然后 eight zero dollar 这样而已
所以政策即使上路了，每个人都会写C都会做回归分析、店家老板都会AI这种事情不会发生。
这种放在义务教育中的政策主要是让学生有家庭之外的学习管道，有些家庭至今还是把网络
视为洪水猛兽，那对于这种家庭来说国中教育没有教他网络，那就是他双亲和他说网络和毒
品一样这样而已，那同样的，现在一堆在讲“人工智能”都是内容农场转中国新闻而来，乱
七八糟的内容一大堆，如果没有相关常识的话还以为Sibyl System已经被发明出来了。
理工科的乡民会认为程式设计就是C/Java/C#/Javascript 这些东西，但是实际上这个世界
分科已经越来越细，一个子领域没有听过另一个子领域的名词的状况越来越常见。做电子
的没有听过JSON、做网页的不知道内存分配，更何况资讯领域中还有偏统计的R/SPSS ..
这些东西，所以单一的去讲某个程式语言其实太细了。
而且这件事情大部分的教授也会反对才是。因为现在这些被笑说Javascript/C教不好的教授
搞不好几十年前是COBOL/Fortain高手，年薪也是破表的，那再看一下现在新出来的语言
Golang/Rust/Kotlin/Swift/Python 3 ...
所以重点并不是学单一的语言，而是对于未来世界运作模式有个抗体，才比较不会被假新闻
随随便便就骗走这样。
是不是一定要学个程式语言这点有待保留，像是因为兴趣去学西语日语那种当然很好，也可以
顺便接些工作赚点外快，但是以目前机器学习(人工智能领域底下的一种方式)发展的状况看来，
懂得对目标去下正确的分类以及标签、问对你要问的问题可能会比懂得写特定的程式语言来得重要。
也因此，目前确实需要动用一些政府预算来进行这样的教育。虽然说可以自学，但是就连中文
维基百科上面关于人工智能的条目对于想要自学的人来说也有点不友善。
＝＝＝＝＝
然后我就发现我离题了，这则新闻好像在讲程式设计www
离题就继续吧，最近几年人工智能再度死灰复燃主要是有人拿GPU去做二十年前大家觉得很智障的事情
=> 让电脑猜答案
目前类神经网络相关的算法大约是在20年前被提出，主要是模拟神经元的架构（可以在YouTube上找
"李宏毅 台大" 的影片，虽然时间比较长，但是解释的比较清楚）但是在当时Win 98的电脑速度这方法
慢到不能用，所以没太多人理他。
然而到现在透过GPU进行加速，这个方法可以很成功的被应用在人脸辨识或者是物件辨识，例如分类出
某张照片是小猫还是小狗，我这边的实验是光是用GT 730就可以比用Mac上面2.8G的Core i5 还要快上
约30倍的训练时间。
只是缺点是比起传统的算法来说很难Debug，假如有分类错误不容易找到他为什么会分类错误的根本原因。
再来是量子电脑的部分，目前量子电脑问题应该是在材料上的问题，不是我的领域了。现在开发出来的量子
电脑需要在温度很低的环境下执行，因此比较有机会的利用方式是远端把资料送上去让他跑，要做成手机
或是大家家里买一台自己玩还很难。不过关于量子电脑的研究其实还没死透，只是没有太多新闻点而已。
先前有听过一个描述这代人工智能和量子电脑的对比，觉得还满贴切的：
人工智能是他能运作，但是大家不知道他的原理以及他为什么能用。
量子电脑是大家知道他的原理以及为什么能用，但是不能运作。